Mercato : la data, "un formidable moyen de gagner du temps" pour les clubs de foot

Publié le 4 janvier 2024 à 8h00

Source : Sujet TF1 Info

Ouvert il y a seulement quelques jours, le mercato d'hiver bat déjà son plein.
L'occasion de mettre l'accent sur des méthodes de recrutement en pleine mutation, avec l'utilisation croissante de la data.
Pour mieux appréhender cette nouvelle méthode, TF1info a interrogé l'un des fondateurs du site "Data'Scout".

Les années passent et les mercatos, en été comme en hiver, demeurent l'un des incontournables d'une saison footballistique. Si le rendez-vous perdure, les manières de travailler des recruteurs, elles, ne cessent d'évoluer, et notamment avec l'essor des nouvelles technologies. La façon d'analyser les forces et faiblesses d'un joueur ne se résume désormais plus à la simple observation dans les stades ou en vidéo. Les recruteurs utilisent la "data", des données chiffrées qui permettent de mesurer les performances d'un sportif. 

Apparue dans les années 1990 aux États-Unis, cette méthode de travail n'est utilisée en Europe que depuis une dizaine d'années, mais a révolutionné le travail quotidien et le fonctionnement d'une cellule de recrutement. Certains clubs en ont même fait leur spécialité, à l'instar du Toulouse FC en France. Pour comprendre l'ampleur de ce changement, TF1info a contacté Data'Scout qui propose son expertise à des clubs, médias et joueurs pour faciliter le processus de recrutement d'un joueur. L'un de ses co-fondateurs, Alexy, nous aide à y voir plus clair sur cette nouvelle façon de travailler. 

La data permet d'aller chercher des profils sous les radars, à bas coûts, mais aussi des profils plus onéreux
Alexy, de Data'Scout

TF1info : Comment se sert-on de la data dans le recrutement des joueurs ?

Alexy : Elle permet de définir l'apport (ou la faiblesse) de joueurs dans des domaines précis, et pour lesquels il faut parfois des dizaines d'heures de visionnage avant de pouvoir se faire une idée. Par exemple, il est intéressant de savoir qu'un joueur réalise en moyenne 85 passes par match. Mais c'est encore plus pertinent de savoir quels types de transmissions il réalise : des passes vers l'avant, qui cassent des lignes et apportent une plus-value aux actions de l'équipe, ou au contraire des passes vers l'arrière dans des moments qui ne le nécessitent pas ? Les données avancées permettent de répondre à cette question très rapidement, de dresser un portrait robot du profil du joueur et de savoir rapidement s'il vaut le coup, ou non, d'être analysé à la vidéo. 

Elles font office de premier filtre pour produire une liste de joueurs répondant aux besoins du club. En plus, la data permet d'aller chercher aussi bien des profils sous les radars, à bas coûts, que des profils plus onéreux. Elle peut donc toujours être utilisée d'une façon ou d'une autre quel que soit le budget. 

Comment expliquer qu'elle soit de plus en plus exploitée ?

C'est un formidable moyen pour un club de gagner du temps, de savoir où regarder et d'apporter des éléments de contexte supplémentaires dans le "scouting" d'un joueur. Analyser un footballeur à la vidéo demande du temps et un recruteur ne peut pas observer simultanément tous les joueurs d'un match, tout comme il ne peut visionner qu'un nombre limité de rencontres. En plus, certains clubs possèdent des cellules de recrutement limitées, avec un réseau de recrutement bien établi, mais restreint (et qui ne peut pas forcément être étendu faute de budget). 

Autrement dit, cela permet surtout de savoir où regarder, de ne pas se focaliser seulement sur une poignée d'équipes ou de championnats et de repérer plus facilement des joueurs potentiellement intéressants, quel que soit le pays ou la division dans lequel ils évoluent. Par exemple, on peut repérer via l'usage des données avancées qu'un Colombien performe bien dans son championnat. Par la suite, le club peut l'analyser en vidéo ou même envoyer un recruteur sur place pour qu'il puisse faire un retour visuel et en profondeur sur le joueur. Mais tout part, dans ce cas précis, de la data, sans laquelle ce profil atypique n'aurait probablement pas été repéré. 

Plus de 12.000 joueurs analysés

Comment travaillez-vous au quotidien ?

Nous sommes quatre co-fondateurs, Ben, Léo, Matis et moi-même. Nous sommes tous des passionnés de football, nous regardons plusieurs matchs chaque week-end, partout dans le monde. Parfois, quand on lit certaines personnes, on a l'impression qu'être passionné par la data se résume à aimer les fichiers Excel sans regarder de matchs. C'est tout le contraire : c'est parce que nous aimons le football que la data au travers de cette discipline nous passionne. 

Pour travailler, nous utilisons des données d'entreprises spécialisées et nous les traitons avec nos propres outils. Notre objectif est d'analyser des données en masse pour les rendre compréhensibles aux yeux de personnes ne maîtrisant pas du tout la data. Nous avons développé un algorithme de détection qui prend en compte les données de plus de 60 championnats dans le mode, soit plus de 12.000 joueurs, pour les classer selon différents profils. L'objectif de cet algorithme est de ressortir très rapidement les joueurs qui surperforment dans leur championnat et le rôle dans lequel ils sont les meilleurs.

Quelles sont les données privilégiées en fonction des postes ?

Nous regardons plus attentivement certaines données en fonction du profil de joueur recherché pour un poste donné. Grâce à notre algorithme, nous possédons différents profils pour tous les postes (17 en tout), aussi bien en défense, qu'au milieu de terrain ou qu'en attaque. L'ambition est de coller, avec le plus de précision possible, aux différents rôles qui existent actuellement dans le football moderne.

Pour le poste du buteur, il y a par exemple "l'attaquant de pressing", pour lequel nous prêtons plus d'importance aux efforts sans ballon et aux récupérations hautes, ou le "renard des surfaces", pour lequel nous donnons plus d'importance à la création d'occasions et surtout à la finition. Ainsi, si un club recherche un joueur qui aura pour mission principale de rôder dans la surface pour conclure les actions, nous utilisons l'index de performances associé au profil de renard des surfaces. Au contraire, si une équipe recherche un attaquant qui sera le premier défenseur de l'équipe, qui ne va pas rechigner à la tâche et effectuer un pressing constant, nous regardons davantage l'index de performances associé au profil d'attaquant de pressing.

"Pas une solution miracle"

Mais la data n'est pas non plus l'alpha et l'omega du processus de recrutement, sans parler du fait qu'elle possède ses propres limites...

 

Les analyses data doivent toujours être complétés de rapports visuels réalisés par des recruteurs ou des analystes vidéos. Il n'est pas question d'une solution miracle qui a pour vocation à remplacer les hommes, bien au contraire. Il s'agit plutôt d'étayer ou de compléter ledit travail. 

Par ailleurs, certains aspects du jeu ne sont pas encore bien quantifiés ou caractérisés par la data. L'exemple le plus parlant, que nous aimons évoquer, est celui des défenseurs centraux. Les données avancées vont révéler qu'un défenseur va beaucoup au duel, tout en se montrant impérial dans ce domaine. Il serait, dès lors, facile d'interpréter que ce joueur est un "crack" qu'il faut absolument le recruter. Sauf que dans le football, bien défendre ne se résume pas à aller au duel, il y a des notions de placement, de marquage, de cadrage, de courses qui bloquent des lignes de passes. Autant de données qui ne sont pas encore assez quantifiables et que seule l'analyse visuelle d'un professionnel peut détecter.


Maxence GEVIN

Tout
TF1 Info